KR102142928B1 - 미래 주식가격범위 결정 방법 및 그를 이용한 주가 예측 시스템 - Google Patents
미래 주식가격범위 결정 방법 및 그를 이용한 주가 예측 시스템 Download PDFInfo
- Publication number
- KR102142928B1 KR102142928B1 KR1020200004212A KR20200004212A KR102142928B1 KR 102142928 B1 KR102142928 B1 KR 102142928B1 KR 1020200004212 A KR1020200004212 A KR 1020200004212A KR 20200004212 A KR20200004212 A KR 20200004212A KR 102142928 B1 KR102142928 B1 KR 102142928B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- stock
- acceleration
- probability
- stock price
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Finance (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
본 발명의 일 기술적 측면에 따른 주가 예측 시스템은, 주식정보를 수집하는 주식정보 수집부, 상기 주식정보에 대하여 텍스트 전처리를 수행하여 유효 주식정보를 생성하는 주식정보 전처리부, 상기 유효 주식정보로부터 대상 주식 및 상기 대상 주식에 대한 전망확률을 산출하는 전망확률 산출부 및 상기 대상 주식에 대한 상기 전망확률이 반영되는 요인으로서 정보반영 가속도를 산출하고, 상기 정보반영 가속도가 적용된 미래주가분포를 추정하여 상기 대상 주식의 미래 시점에 대한 추정 주가범위를 산출하는 정보반영 가중치 처리부를 포함한다. 본 발명의 일 실시형태에 따르면, 새로운 정보에 대한 지연 반영이나 정보 불균형 현상을 반영하여 미래 주식가격을 산출함으로써, 실제 주가의 변동 가능성을 보다 정확하게 예측할 수 있는 효과가 있다.
Description
본 발명은 미래 주식가격범위 결정 방법 및 그를 이용한 주가 예측 시스템에 관한 것이다.
주식 시장에서 주가의 결정에는 다양한 가격 결정 요인들이 존재한다. 즉, 주가에 영향을 미치는 요인들은 너무나도 다양하고 복잡할 뿐 아니라, 이러한 요인들은 시간에 따라 변경되거나 새로이 발생하며, 또한 그러한 요인들이 주가에 영향을 미치는 영향 및 시점도 서로 다르게 반영되기도 한다.
또한, 최근에는 인터넷 기술의 발달로 인하여, 새롭게 생산되는 대부분의 정보가 인터넷을 통해서 빠르게 전파, 공유 및 활용되고 있다. 또한, 인터넷을 통해서 이용 가능한 정보는 디지털화된 정보이므로 이를 주가 예측을 위한 입력 데이터로 손쉽게 활용되고 있다. 이렇게 인터넷에 공유되고 있는 많은 데이터를 활용하여 주가 변동을 예측하기 위해서는 통계 모델을 활용한 분석 기술이 개발되고 있다.
한편, 종래의 주가 예측 기술들은 다수의 주식 정보로부터 영향성을 평가하는 것에 집중하고 있다. 즉, 특정 정보가 발생하는 경우 해당 정보에 영향을 받는 주식을 선정하고 해당 정보로 인하여 어떠한 영향이 발생할 것인가를 결정하는 것에 중심을 두고 있다. 이러한 종래 기술로는 한국 등록특허공보 제10-1531970호 등을 참조할 수 있다.
반면, 이러한 종래 기술들은 정보반영이 즉시적이고 일괄적으로 반영되는 것을 전제로 하고 있어 실제 시장에서 주식 정보의 반영되는 현실과는 괴리가 발생한다.
이는, 실제 시장에서 주식 정보가 반영되기 까지는, 새로운 정보에 대한 지연 반영 또는 정보 불균형 현상이 있으므로 그에 따라 정보반영의 시차가 발생하게 되는 반면, 종래 기술은 정보반영의 시차가 반영되지 않아 주가 예측과 실제 주가의 변동이 상이하게 되는 문제점이 있다.
본 발명의 일 기술적 측면은 상기한 종래 기술의 문제점을 해결하기 위한 것으로써, 새로운 정보에 대한 지연 반영이나 정보 불균형 현상을 반영하여 미래 주식가격을 산출함으로써, 실제 주가의 변동 가능성을 보다 정확하게 예측할 수 있는 미래 주식가격범위 결정 방법 및 그를 이용한 주가 예측 시스템을 제공하는 것이다.
또한, 본 발명의 일 기술적 측면은, 미래의 불확실한 정보반영도에 대하여 정보반영 가속도를 적용함으로써, 정보반영에서 발생하는 지연 및 불균형에 대응한 추산을 제공할 수 있는 미래 주식가격범위 결정 방법 및 그를 이용한 주가 예측 시스템을 제공하는 것이다.
또한, 본 발명의 일 기술적 측면은, 가속왜정규분포를 적용하여 미래 주가에 대한 추정 분포를 제공함으로써, 미래 주식가격을 확률 분포로서 제공할 수 있는 미래 주식가격범위 결정 방법 및 그를 이용한 주가 예측 시스템을 제공하는 것이다.
본 발명의 상기 목적과 여러 가지 장점은 이 기술분야에 숙련된 사람들에 의해 본 발명의 바람직한 실시예로부터 더욱 명확하게 될 것이다.
본 발명의 일 기술적 측면은 주가 예측 시스템을 제안한다. 상기 주가 예측 시스템은, 주식정보를 수집하는 주식정보 수집부, 상기 주식정보에 대하여 텍스트 전처리를 수행하여 유효 주식정보를 생성하는 주식정보 전처리부, 상기 유효 주식정보로부터 대상 주식 및 상기 대상 주식에 대한 전망확률을 산출하는 전망확률 산출부 및 상기 대상 주식에 대한 상기 전망확률이 반영되는 요인으로서 정보반영 가속도를 산출하고, 상기 정보반영 가속도가 적용된 미래주가분포를 추정하여 상기 대상 주식의 미래 시점에 대한 추정 주가범위를 산출하는 정보반영 가중치 처리부를 포함한다.
일 실시예에서, 상기 전망확률 산출부는, 상기 대상 주식에 대하여 주가 변동정보 및 상기 주가 변동정보와 연관된 키워드 정보를 저장하는 주식정보 데이터베이스 및 상기 유효 주식정보로부터 도출된 키워드를 기초로, 상기 주식정보 데이터베이스를 이용하여 상기 유효 주식정보가 상기 대상 주식에 미칠 영향에 대한 전망확률을 추정하는 전망확률 추정부를 포함 할 수 있다.
일 실시예에서, 상기 전망확률은 0 초과 1 이하의 값으로서, 상기 전망확률 추정부는, 상기 대상 주식에 대하여 미칠 영향을 산출 할 수 없는 경우 상기 전망확률을 0.5의 값으로 설정하고, 상기 대상 주식에 대하여 긍정적으로 영향을 미칠 경우, 긍정적 영향도에 따라 상기 전망확률을 0.5 초과 1 이하의 값으로 설정하고, 상기 대상 주식에 대하여 부정적으로 영향을 미칠 경우, 부정적 영향도에 따라 상기 전망확률을 0 초과 0.5 미만의 값으로 설정 할 수 있다.
일 실시예에서, 상기 가중치 처리부는, 상기 전망확률에 대한 정보 패널티 및 정보 반영도에 대한 미래 시점에서의 결합함수를 생성하고, 상기 결합함수에 대하여 편미분을 적용하여 상기 정보반영 가속도를 산출 할 수 있다.
일 실시예에서, 상기 가중치 처리부는, 상기 정보반영 가속도를 만족하는 왜정규분포 확률밀도 함수를 산출하여 가속왜정규분포를 산출하고, 상기 가속왜정규분포를 이용하여 주가운동 모델링을 수행하여 상기 대상 주식의 미래 시점에 대한 추정 주가범위를 산출 할 수 있다.
일 실시예에서, 상기 가중치 처리부는, 상기 전망확률에 대한 정보 패널티 및 정보 반영도에 대한 미래 시점에서의 결합함수를 생성하고, 상기 결합함수에 대하여 편미분을 적용하여 상기 정보반영 가속도를 산출하는 정보반영 가속도 추정부, 상기 정보반영 가속도를 만족하는 왜정규분포 확률밀도 함수를 산출하여 가속왜정규분포를 산출하는 가속왜정규분포 추정부 및 상기 가속왜정규분포를 이용하여 주가운동 모델링을 수행하여 상기 대상 주식의 미래 시점에 대한 추정 주가범위를 산출하는 주가운동 모델링부를 포함 할 수 있다.
일 실시예에서, 상기 정보반영 가속도 추정부는, 수학식 을 이용하여 상기 정보반영 가속도 를 정의하고, 상기 결합함수 의 기울기 변화율이 최대인 점을 상기 정보반영 가속도 로서 선정 할 수 있다.
일 실시예에서, 상기 가속왜정규분포 추정부는, 수학식 을 이용하여 상기 가속왜정규분포를 산출하고, 여기에서, , 및 는 각각 값에 대하여 가 다음과 같이 정의 될 때 , 다음의 수학식 , , 으로부터 산출될 수 있다.
일 실시예에서, 상기 주식정보 전처리부는, 수집된 상기 주식정보에서 노이즈 데이터를 제거하는 정제 처리부, 상기 정제 처리부의 출력에 대하여, 표현 방법이 유사한 단어들을 하나의 단어로 통합하여 정규화 하는 정규화 처리부, 상기 정규화 처리부의 출력에 대하여, 접사 부분을 삭제하여 어간을 추출하는 어간 추출부 및 상기 어간 추출부의 출력에 대하여, 분석에 사용되지 않는 불용어를 제거하여 상기 유효 주식 정보를 생성하는 불용어 처리부를 포함 할 수 있다.
본 발명의 다른 일 기술적 측면은 미래 주식가격범위 결정 방법을 제안한다. 상기 미래 주식가격범위 결정 방법은, 수집된 주식정보에 대하여 텍스트 전처리를 수행하여 유효 주식정보를 생성한 후, 상기 유효 주식정보를 이용하여 미래 주식가격범위를 결정하는 방법으로서, 상기 유효 주식정보로부터 대상 주식 및 상기 대상 주식에 대한 전망확률을 산출하는 단계, 상기 전망확률에 대한 정보 패널티 및 정보 반영도에 대한 미래 시점에서의 결합함수를 생성하고, 상기 결합함수에 대하여 편미분을 적용하여 상기 정보반영 가속도를 산출하는 단계, 상기 정보반영 가속도를 만족하는 왜정규분포 확률밀도 함수를 산출하여 가속왜정규분포를 산출하는 단계 및 상기 가속왜정규분포를 이용하여 주가운동 모델링을 수행하여 상기 대상 주식의 미래 시점에 대한 추정 주가범위를 산출하는 단계를 포함한다.
일 실시예에서, 상기 대상 주식에 대한 전망확률을 산출하는 단계는, 상기 대상 주식에 대하여 미칠 영향을 산출 할 수 없는 경우 상기 전망확률을 0.5의 값으로 설정하는 단계, 상기 대상 주식에 대하여 긍정적으로 영향을 미칠 경우, 긍정적 영향도에 따라 상기 전망확률을 0.5 초과 1 이하의 값으로 설정하는 단계 및 상기 대상 주식에 대하여 부정적으로 영향을 미칠 경우, 부정적 영향도에 따라 상기 전망확률을 0 초과 0.5 미만의 값으로 설정하는 단계를 포함 할 수 있다.
일 실시예에서, 상기 정보반영 가속도를 산출하는 단계는, 수학식 을 이용하여 상기 결합함수 를 생성하는 단계 및 수학식 을 이용하여 상기 정보반영 가속도 를 정의하고, 상기 결합함수 의 기울기 변화율이 최대인 점을 상기 정보반영 가속도 로서 선정하는 단계를 포함하고, 여기에서, 는 상기 전망확률, 는 상기 정보 패널티 및 는 상기 정보 반영도일 수 있다.
일 실시예에서, 상기 가속왜정규분포를 산출하는 단계는, 수학식 을 이용하여 상기 가속왜정규분포를 산출하는 단계를 포함하고, 여기에서, , 및 는 각각 값에 대하여 가 다음과 같이 정의 될 때 , 다음의 수학식 , , 으로부터 산출될 수 있다.
상기한 과제의 해결 수단은, 본 발명의 특징을 모두 열거한 것은 아니다. 본 발명의 과제 해결을 위한 다양한 수단들은 이하의 상세한 설명의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.
본 발명의 일 실시형태에 따르면, 새로운 정보에 대한 지연 반영이나 정보 불균형 현상을 반영하여 미래 주식가격을 산출함으로써, 실제 주가의 변동 가능성을 보다 정확하게 예측할 수 있는 효과가 있다.
본 발명의 일 실시형태에 따르면, 미래의 불확실한 정보반영도에 대하여 정보반영 가속도를 적용함으로써, 정보반영에서 발생하는 지연 및 불균형에 대응한 추산을 제공할 수 있는 효과가 있다.
또한, 본 발명의 일 기술적 측면은, 가속왜정규분포를 적용하여 미래 주가에 대한 추정 분포를 제공함으로써, 미래 주식가격을 확률 분포로서 제공할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시형태에 따른 주가 예측 시스템의 일 적용예를 설명하는 도면이다.
도 2는 본 발명의 일 실시형태에 따른 주가 예측 시스템을 설명하는 블록 구성도이다.
도 3은 도 2에 도시된 주식정보 전처리부의 일 예를 설명하는 블록 구성도이다.
도 4는 도 2에 도시된 전망확률 산출부의 일 예를 설명하는 블록 구성도이다.
도 5는 도 2에 도시된 정보반영 가중치 처리부의 일 예를 설명하는 블록 구성도이다.
도 6은 본 발명의 일 실시형태에 따른 주가 예측 시스템의 결과를 설명하기 위한 예시적인 도면이다.
도 7은 본 발명의 일 실시예에 따른 본 발명의 일 실시예에 따른 미래 주식가격범위 결정 방법을 설명하는 순서도이다.
도 2는 본 발명의 일 실시형태에 따른 주가 예측 시스템을 설명하는 블록 구성도이다.
도 3은 도 2에 도시된 주식정보 전처리부의 일 예를 설명하는 블록 구성도이다.
도 4는 도 2에 도시된 전망확률 산출부의 일 예를 설명하는 블록 구성도이다.
도 5는 도 2에 도시된 정보반영 가중치 처리부의 일 예를 설명하는 블록 구성도이다.
도 6은 본 발명의 일 실시형태에 따른 주가 예측 시스템의 결과를 설명하기 위한 예시적인 도면이다.
도 7은 본 발명의 일 실시예에 따른 본 발명의 일 실시예에 따른 미래 주식가격범위 결정 방법을 설명하는 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 형태들을 설명한다.
그러나, 본 발명의 실시형태는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명하는 실시 형태로 한정되는 것은 아니다. 또한, 본 발명의 실시형태는 당해 기술분야에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해서 제공되는 것이다.
즉, 전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용된다.
또한, 본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "구성된다" 또는 "포함한다" 등의 용어는 명세서 상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
또한, 이하에서 본 발명에 따른 시스템을 설명하기 위하여 다양한 구성요소 및 그의 하부 구성요소에 대하여 설명하고 있다. 이러한 구성요소 및 그의 하부 구성요소들은, 하드웨어, 소프트웨어 또는 이들의 조합 등 다양한 형태로서 구현될 수 있다. 예컨대, 각 요소들은 해당 기능을 수행하기 위한 전자적 구성으로 구현되거나, 또는 전자적 시스템에서 구동 가능한 소프트웨어 자체이거나 그러한 소프트웨어의 일 기능적인 요소로 구현될 수 있다. 또는, 전자적 구성과 그에 대응되는 구동 소프트웨어로 구현될 수 있다.
본 발명의 실시형태를 설명하기 위하여 다양한 순서도가 개시되고 있으나, 이는 각 단계의 설명의 편의를 위한 것으로, 반드시 순서도의 순서에 따라 각 단계가 수행되는 것은 아니다. 즉, 순서도에서의 각 단계는, 서로 동시에 수행되거나, 순서도에 따른 순서대로 수행되거나, 또는 순서도에서의 순서와 반대의 순서로도 수행될 수 있다.
이하에서는, 본 발명의 몇몇 실시예에 따른 미래 주식가격범위 결정 방법 및 그를 이용한 주가 예측 시스템을 설명하도록 한다.
도 1은 본 발명의 일 실시형태에 따른 주가 예측 시스템의 일 적용예를 설명하는 도면이다.
도 1을 참조하면, 주가 예측 시스템(100)은 정보 제공 서버(200)로부터 주식과 관련된 주식정보를 수집하고, 이를 기초로 미래 시점에서의 주가 범위를 예측한 정보(이하, '주가범위 예측정보'라 함)을 산출할 수 있다.
여기에서, 주가 예측 시스템(100)은 수집된 주식정보가 주식에게 미칠 전망확률을 산출한다. 주가 예측 시스템(100)은 이러한 전망 확률이 반영됨에 있어서 지연 반영이나 정보 불균형 현상을 파악하여 정보반영 가중치로서 산출하고, 이러한 정보반영 가중치를 전망 확률에 반영하여 주가범위 예측정보를 도출한다.
주가 예측 시스템(100)은 사용자 단말(10)에 이러한 미래 시점에서의 주가범위 예측정보를 제공하여, 사용자에게 미래 시점에서의 주가 변동성에 대한 정보를 제공한다.
이하, 도 2 내지 도 5를 참조하여, 주가 예측 시스템(100)의 다양한 실시예들에 대하여 보다 상세히 설명한다.
도 2는 본 발명의 일 실시형태에 따른 주가 예측 시스템을 설명하는 블록 구성도이다.
도 2를 참조하면, 주가 예측 시스템(100)은 주식정보 수집부(110), 주식정보 전처리부(120), 전망확률 산출부(130) 및 정보반영 가중치 처리부(140)를 포함한다.
주식정보 수집부(110)는 정보 제공 서버(200)로부터 주식정보를 수집할 수 있다.
주식정보 전처리부(120)는 주식정보 수집부(110)에서 주식정보에 대하여 텍스트 전처리를 수행하여 유효 주식정보를 생성할 수 있다.
전망확률 산출부(130)는 유효 주식정보로부터 대상 주식 및 대상 주식에 대한 전망확률을 산출할 수 있다.
정보반영 가중치 처리부(140)는 대상 주식에 대한 전망확률이 반영되는 요인으로서 정보반영 가속도를 산출하고, 정보반영 가속도가 적용된 미래주가분포를 추정하여 대상 주식의 미래 시점에 대한 추정 주가범위를 산출할 수 있다.
일 실시예에서, 정보반영 가중치 처리부(140)는, 전망확률에 대한 정보 패널티 및 정보 반영도에 대한 미래 시점에서의 결합함수를 생성하고, 결합함수에 대하여 편미분을 적용하여 정보반영 가속도를 산출할 수 있다.
정보반영 가중치 처리부(140)는 정보반영 가속도를 만족하는 왜정규분포 확률밀도 함수를 산출하여 가속왜정규분포를 산출하고, 가속왜정규분포를 이용하여 주가운동 모델링을 수행하여 대상 주식의 미래 시점에 대한 추정 주가범위를 산출할 수 있다.
이하, 도 3 내지 도 4를 참조하여, 주식정보 전처리부(120), 전망확률 산출부(130) 및 정보반영 가중치 처리부(140)에 대하여 보다 상세히 살펴본다.
도 3은 도 2에 도시된 주식정보 전처리부의 일 예를 설명하는 블록 구성도이다.
주식정보 전처리부(120)는 정제 처리부(121), 정규화 처리부(122), 어간 추출부(123) 및 불용어 처리부(124)를 포함할 수 있다.
정제 처리부(121)는 수집된 주식정보에서 노이즈 데이터를 제거할 수 있다.
정규화 처리부(122)는 정제 처리부(121)의 출력에 대하여, 표현 방법이 유사한 단어들을 하나의 단어로 통합하여 정규화할 수 있다.
어간 추출부(123)는 정규화 처리부(122)의 출력에 대하여, 접사 부분을 삭제하여 어간을 추출할 수 있다. 정규화 처리 및 어간 추출에 의하여, 유사한 의미를 가지는 다양한 형태의 단어들을 통일성있게 정리 및 분류할 수 있다.
불용어 처리부(124)는 어간 추출부(123)의 출력에 대하여, 분석에 사용되지 않는 불용어를 제거하여 유효 주식정보를 생성할 수 있다. 예컨대, 불용어 처리부(124)는 주식 정보와 무관한 어휘들을 불용어로 처리하고 이들을 제거할 수 있다.
도 4는 도 2에 도시된 전망확률 산출부의 일 예를 설명하는 블록 구성도이다.
전망확률 산출부(130)는 키워드 추출부(131), 주식정보 데이터베이스(132) 및 전망확률 추정부(133)를 포함할 수 있다.
키워드 추출부(131)는 주식정보 전처리부(120)로부터 유효 주식정보를 입력받는다.
키워드 추출부(131)는 유효 주식정보에 대하여 키워드를 추출하여, 해당 주식정보에 대한 대상 주식을 선정할 수 있다. 즉, 해당 주식정보가 어느 주식 종목에 대한 것인지 확인할 수 있다. 여기에서, 주식 종목이란, 삼성전자 등과 같은 개별 주식 종목 외에도, KOSPI 등의 종합 주식종목을 포괄한다.
또한, 키워드 추출부(131)는 유효 주식정보에 대하여 주가 변동정보와 연관되는 키워드를 추출할 수 있다.
주식정보 데이터베이스(132)는 각각의 대상 주식에 대한 주가 변동정보의 이력과, 해당 주가 변동정보와 연관된 키워드 정보를 저장할 수 있다.
전망확률 추정부(133)는 유효 주식정보로부터 도출된 키워드를 기초로, 주식정보 데이터베이스(132)를 이용하여 유효 주식정보가 대상 주식에 미칠 영향에 대한 전망확률을 추정할 수 있다.
예를 들어, 주식정보 데이터베이스(132)는 '주식 종목 A'에 대한 주가 변동 정보와 함께, '주식 종목 A'에 대하여 '가' 라는 키워드를 가지는 이벤트가 발생한 정보를 함께 가지고 있을 수 있다. 이에 대하여, 전망확률 추정부(133)는 '주식 종목 A'에 대해 '가' 라는 키워드를 가지는 이벤트가 발생한 후의 주가 변동 상태를 확인하고, '가' 라는 키워드를 가지는 이벤트의 영향에 의한 '주식 종목 A'의 향후 전망확률 ()을 산출할 수 있다.
한편, 전망확률 추정부(133)는 대상 주식에 대하여 긍정적으로 영향을 미칠 경우, 긍정적 영향도에 따라 전망확률 ()을 0.5 초과 1 이하의 값으로 설정할 수 있다. 즉, 긍정적 영향이 작을수록 0.5에 가깝고 긍정적 영향이 클수록 1에 가까운 값으로서 설정할 수 있다.
또한, 전망확률 추정부(133)는 대상 주식에 대하여 부정적으로 영향을 미칠 경우, 부정적 영향도에 따라 전망확률 ()을 0 초과 0.5 미만의 값으로 설정할 수 있다. 즉, 부정적 영향이 작을수록 0.5에 가깝고 부정적 영향이 클수록 0에 가까운 값으로서 설정할 수 있다.
도 5는 도 2에 도시된 정보반영 가중치 처리부의 일 예를 설명하는 블록 구성도이다.
도 5를 참조하면, 정보반영 가중치 처리부(140)는 정보반영 가속도 추정부(141), 주가 히스토리 데이터베이스(142), 가속왜정규분포 추정부(143) 및 주가운동 모델링부(144)를 포함할 수 있다.
정보반영 가속도 추정부(141)는 전망확률에 대한 정보 패널티 및 정보 반영도에 대한 미래 시점에서의 결합함수를 생성하고, 상기 결합함수에 대하여 편미분을 적용하여 상기 정보반영 가속도를 산출할 수 있다.
예를 들어, t시점에서 A 종목 주식에 대한 전망확률 이 결정되었을 때, 주식 구매자들의 정보 획득 현상을 반영하여 정보 패널티 와 정보 반영도 가 존재한다고 하면, 정보반영 가속도 추정부(141)는 전망확률 , 정보 패널티 및 정보 반영도 에 대하여 아래의 수학식 1과 같이 결합함수 를 생성할 수 있다.
[수학식 1]
여기에서, A종목 주식에 대한 전망확률이 방향성을 가지는 경우, 즉, 을 만족하면, 시장 참가자들에 대한 정보 반영도는 0이 아닌 값()을 가지고, 정보 획득 현상에 따른 정보 패널티 역시 0이 아닌 값()을 가지게 된다.
따라서, 수학식 1의 각 변수의 범위는 아래의 수학식 2와 같이 정의될 수 있다.
[수학식 2]
일 예로, 정보 패널티 는 주식 정보에 의하여 특정 주식에 대한 전망확률이 존재하는 경우, 이러한 전망확률이 적용될 가능성을 의미한다. 즉, 이상적으로는 모든 매매 가능자에게 주식정보로부터 도출된 전망확률이 모두 적용될 것이나, 실질적으로는 해당 전망확률이 모든 시장 참가자에게 적용되는 것은 아니고 해당 정보에 대한 차단(예컨대, 일부 비공개 등)이 존재할 것이며, 정보 패널티 는 이러한 정보의 차단에 의하여 유발되는 인자를 의미한다.
현재의 새로운 정보에 기반한 앞으로의 정보 차단 정도는 현시점에서 관측이 불가능하다. 따라서 정보반영 가속도에 기반한 미래 주식 가격의 범위를 정할 때 미래 시점의 주가는 시장이 강한 효율적 상태, 즉 정보 패널티가 최대()일 때와 그 반대의 경우일 때, 즉 정보 패널티가 최소()일 때 사이의 특정 구간 내에 있다고 가정할 수 있을 것이다
정보 반영도 는 주식 정보에 의하여 특정 주식에 대한 전망확률이 존재하는 경우, 새로운 정보가 주가에 미치는 영향력과 연관된 인자이다. 정보의 출현은 그의 성격에 따라 동일하지 않은 정도로 주가에 적용될 것이며 그에 따라 미래 시점에 대한 정보 반영도 를 설정한다.
한편, 이러한 정보 반영도 역시 미래 시점에서 결정될 수 있는 값이므로, 이를 직접 추정하기 보다는 상술한 결합함수 의 기울기 변화율을 극대화하는 시점을 역산한다. 즉, 정보반영 가속도 추정부(141)는 정보 반영도 를 2차로 편미분하여 정보반영 가속도 를 아래의 수학식 3과 같이 정의하고, 관측 시점에서 결합함수 의 기울기 변화율이 극대화되는 정보반영 가속도 를 추산한다.
[수학식 3]
가속왜정규분포 추정부(143)는 정보반영 가속도 를 만족하는 왜정규분포 확률밀도 함수를 산출하여 가속왜정규분포를 산출할 수 있다. 즉, 정보반영 가속도 를 만족하는 미래 주가 분포를 추정하기 위해, 가속왜정규분포 추정부(143)는 왜정규분포(skew normal distribution) 확률밀도함수를 아래의 수학식 4와 같이 설정한다.
[수학식 4]
여기에서, 는 표준정규분포의 PDF(probability density function)이고, 는 표준정규분포의 CDF(cumulative distribution function)이다.
또한, 가속왜정규분포 추정부(143)는 수학식 4의 왜정규분포(skew normal distribution) 확률밀도함수의 각 파라미터 , 및 는 각각 값에 대하여 와 함께 다음의 수학식 5로부터 산출한다. 이와 같이 추정된 분포를, 가속왜정규분포(acceleratedskew normal distribution, ASN)라 한다.
[수학식 5]
주가운동 모델링부(144)는 상술한 가속왜정규분포(ASN)를 이용하여 주가운동 모델링을 수행하여 대상 주식의 미래 시점에 대한 추정 주가범위를 산출할 수 있다. 이하의 설명에서, 주가운동 모델링부(144)는 GBM(Geometric Brownian Motion, 기하 브라운 운동) 모델을 사용하는 것을 들어 설명하나, 반드시 이에 한정되는 것은 아니며 다른 모델이 적용될 수도 있음은 자명하다.
주가운동 모델링부(144)는 아래의 수학식 6과 같이 GBM을 계산할 수 있다.
[수학식 6]
여기에서, 주가운동 모델링부(144)는 아래의 조건에 대한 수학식 7을 GBM에 적용하여 산출할 수 있다.
[수학식 7]
수학식 1, 수학식 5와 연계하여, A종목 주식에 대한 전망을 산출할 수 없는 경우, 즉, 를 만족하면, 시장 참가자들에 대한 정보 반영도는 0값()을 가지고, 정보 획득 현상에 따른 정보 패널티 역시 0값( )을 가지게 된다. 따라서 가 되어 는 정규분포를 따르게 되어 미래의 주가는 랜덤하게 된다.
결국, 주가운동 모델링부(144)는 산출된 GBM 모델링을 수행하여, 대상 주식의 미래 시점에 대한 추정 주가범위를 산출할 수 있다.
도 6은 본 발명의 일 실시형태에 따른 주가 예측 시스템의 결과를 설명하기 위한 예시적인 도면이다.
도 6은 A 종목에 대한 과거 주가 히스토리를 도시하고 있으며, 도시되지는 않았으나 기 설명한 바와 같이 주가 예측 시스템(100)은 다양한 주식정보에 각각에 대한 전망확률에 대한 정보 또한 구비할 수 있다.
현재 시점 t에서 새로운 주식정보가 발생하면, 주가 예측 시스템(100)은 해당 주식정보에 대한 전망확률을 산출하고, 그에 대한 정보반영 가속도를 도출한다. 이후, 정보반영 가속도가 적용된 미래주가분포를 추정하여 대상 주식의 미래 시점에 대한 추정 주가범위(144)를 제공할 수 있다. 또한, 이러한 추정 주가범위는 분포값으로 제공될 수도 있다.
이상에서는 도 1 내지 도 6을 참조하여, 본 발명의 일 실시예에 따른 주가 예측 시스템에 대하여 설명하였다. 이하에서는, 도 7를 참조하여, 본 발명의 일 실시예에 따른 미래 주식가격범위 결정 방법에 대하여 설명한다.
이하에서 설명할 미래 주식가격범위 결정 방법은 주가 예측 시스템을 기초로 수행되므로, 도 1 내지 도 6을 기초로 기 설명한 내용을 참조하여 쉽게 이해할 수 있다.
도 7은 본 발명의 일 실시예에 따른 본 발명의 일 실시예에 따른 미래 주식가격범위 결정 방법을 설명하는 순서도이다. 이하에서 설명할 미래 주식가격범위 결정 방법은, 수집된 주식정보에 대하여 텍스트 전처리를 수행하여 유효 주식정보를 생성한 후, 유효 주식정보를 이용하여 미래 주식가격범위를 결정하는 방법에 관한 것이다.
도 7을 참조하면, 주가 예측 시스템(100)은 유효 주식정보로부터 대상 주식 및 대상 주식에 대한 전망확률을 산출할 수 있다(S710).
이후, 주가 예측 시스템(100)은 전망확률에 대한 정보 패널티 및 정보 반영도에 대한 미래 시점에서의 결합함수를 생성하고, 결합함수에 대하여 편미분을 적용하여 정보반영 가속도를 산출할 수 있다(S720).
주가 예측 시스템(100)은 정보반영 가속도를 만족하는 왜정규분포 확률밀도 함수를 산출하여 가속왜정규분포를 산출하고(S730), 가속왜정규분포를 이용하여 주가운동 모델링을 수행하여 대상 주식의 미래 시점에 대한 추정 주가범위를 산출할 수 있다(S740).
단계 S710에 대한 일 실시예에서, 주가 예측 시스템(100)은, 대상 주식에 대하여 미칠 영향이 없는 경우 전망확률을 0.5의 값으로 설정할 수 있다. 또는, 주가 예측 시스템(100)은, 대상 주식에 대하여 긍정적으로 영향을 미칠 경우, 긍정적 영향도에 따라 상기 전망확률을 0.5 초과 1 이하의 값으로 설정할 수 있다. 주가 예측 시스템(100)은, 대상 주식에 대하여 부정적으로 영향을 미칠 경우, 부정적 영향도에 따라 상기 전망확률을 0 초과 0.5 미만의 값으로 설정할 수 있다.
또한, 전술한 수학식 3, 즉,
을 이용하여 정보반영 가속도 를 정의하고, 결합함수 의 기울기 변화율이 최대인 점을 상기 정보반영 가속도 로서 선정할 수 있다. 여기에서, 는 상기 전망확률, 는 상기 정보 패널티 및 는 상기 정보 반영도임은 전술한 바와 같다.
단계 S730에 대한 일 실시예에서, 주가 예측 시스템(100)은 전술한 수학식 4, 즉,
을 이용하여 상기 가속왜정규분포를 산출할 수 있다.
로부터 산출될 수 있다.
단계 S740에 대한 일 실시예에서, 주가 예측 시스템(100)은 전술한 수학식 6, 즉,
을 이용하여 GBM을 계산할 수 있다.
여기에서, 주가 예측 시스템(100)은 전술한 수학식 7, 즉,
을 GBM에 적용하여 산출할 수 있다.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니고 후술하는 특허청구범위에 의해 한정되며, 본 발명의 구성은 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 그 구성을 다양하게 변경 및 개조할 수 있다는 것을 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 쉽게 알 수 있다.
10, 11, 12 : 사용자 단말
100 : 주가 예측 시스템
110 : 주식정보 수집부
120 : 주식정보 전처리부
121 : 정제 처리부 122 : 정규화 처리부
123 : 어간 추출부 124 : 불용어 처리부
130 : 전망확률 산출부
131 : 키워드 추출부 132 : 주식정보 DB
133 : 전망확률 추정부
140 : 정보반영 가중치 처리부
141 : 정보반영 가속도 추정부 142 : 주가 히스토리 DB
143 : 가속왜정규분포 추정부 144 : 주가운동 모델링부
100 : 주가 예측 시스템
110 : 주식정보 수집부
120 : 주식정보 전처리부
121 : 정제 처리부 122 : 정규화 처리부
123 : 어간 추출부 124 : 불용어 처리부
130 : 전망확률 산출부
131 : 키워드 추출부 132 : 주식정보 DB
133 : 전망확률 추정부
140 : 정보반영 가중치 처리부
141 : 정보반영 가속도 추정부 142 : 주가 히스토리 DB
143 : 가속왜정규분포 추정부 144 : 주가운동 모델링부
Claims (14)
- 주식정보를 수집하는 주식정보 수집부;
상기 주식정보에 대하여 텍스트 전처리를 수행하여 유효 주식정보를 생성하는 주식정보 전처리부;
상기 유효 주식정보로부터 대상 주식 및 상기 대상 주식에 대한 전망확률을 산출하는 전망확률 산출부; 및
상기 대상 주식에 대한 상기 전망확률이 반영되는 요인으로서 정보반영 가속도를 산출하고, 상기 정보반영 가속도가 적용된 미래주가분포를 추정하여 상기 대상 주식의 미래 시점에 대한 추정 주가범위를 산출하는 정보반영 가중치 처리부;
를 포함하고,
상기 가중치 처리부는
상기 전망확률에 대한 정보 패널티 및 정보 반영도에 대한 미래 시점에서의 결합함수를 생성하고, 상기 결합함수에 대하여 편미분을 적용하여 상기 정보반영 가속도를 산출하는 정보반영 가속도 추정부;
상기 정보반영 가속도를 만족하는 왜정규분포 확률밀도 함수를 산출하여 가속왜정규분포를 산출하는 가속왜정규분포 추정부; 및
상기 가속왜정규분포를 이용하여 주가운동 모델링을 수행하여 상기 대상 주식의 미래 시점에 대한 추정 주가범위를 산출하는 주가운동 모델링부;
를 포함하고,
상기 정보반영 가속도 추정부는
수학식
을 이용하여 상기 결합함수 를 생성하고,
여기에서, 는 상기 전망확률, 는 상기 정보 패널티 및 는 상기 정보 반영도인 주가 예측 시스템.
- 제1항에 있어서, 상기 전망확률 산출부는
상기 대상 주식에 대하여 주가 변동정보 및 상기 주가 변동정보와 연관된 키워드 정보를 저장하는 주식정보 데이터베이스; 및
상기 유효 주식정보로부터 도출된 키워드를 기초로, 상기 주식정보 데이터베이스를 이용하여 상기 유효 주식정보가 상기 대상 주식에 미칠 영향에 대한 전망확률을 추정하는 전망확률 추정부;
를 포함하는 주가 예측 시스템.
- 제2항에 있어서,
상기 전망확률은 0 초과 1 이하의 값으로서,
상기 전망확률 추정부는,
상기 대상 주식에 대하여 미칠 영향을 산출할 수 없는 경우 상기 전망확률을 0.5의 값으로 설정하고,
상기 대상 주식에 대하여 긍정적으로 영향을 미칠 경우, 긍정적 영향도에 따라 상기 전망확률을 0.5 초과 1 이하의 값으로 설정하고,
상기 대상 주식에 대하여 부정적으로 영향을 미칠 경우, 부정적 영향도에 따라 상기 전망확률을 0 초과 0.5 미만의 값으로 설정하는 주가 예측 시스템.
- 제1항에 있어서, 상기 가중치 처리부는
상기 전망확률에 대한 정보 패널티 및 정보 반영도에 대한 미래 시점에서의 결합함수를 생성하고, 상기 결합함수에 대하여 편미분을 적용하여 상기 정보반영 가속도를 산출하는 주가 예측 시스템.
- 제4항에 있어서, 상기 가중치 처리부는
상기 정보반영 가속도를 만족하는 왜정규분포 확률밀도 함수를 산출하여 가속왜정규분포를 산출하고, 상기 가속왜정규분포를 이용하여 주가운동 모델링을 수행하여 상기 대상 주식의 미래 시점에 대한 추정 주가범위를 산출하는 주가 예측 시스템.
- 삭제
- 삭제
- 제1항에 있어서, 상기 주식정보 전처리부는
수집된 상기 주식정보에서 노이즈 데이터를 제거하는 정제 처리부;
상기 정제 처리부의 출력에 대하여, 표현 방법이 유사한 단어들을 하나의 단어로 통합하여 정규화 하는 정규화 처리부;
상기 정규화 처리부의 출력에 대하여, 접사 부분을 삭제하여 어간을 추출하는 어간 추출부; 및
상기 어간 추출부의 출력에 대하여, 분석에 사용되지 않는 불용어를 제거하여 상기 유효 주식 정보를 생성하는 불용어 처리부;
를 포함하는 주가 예측 시스템.
- 수집된 주식정보에 대하여 텍스트 전처리를 수행하여 유효 주식정보를 생성한 후, 상기 유효 주식정보를 이용하여 미래 주식가격범위를 결정하는 방법으로서,
상기 유효 주식정보로부터 대상 주식 및 상기 대상 주식에 대한 전망확률을 산출하는 단계;
상기 전망확률에 대한 정보 패널티 및 정보 반영도에 대한 미래 시점에서의 결합함수를 생성하고, 상기 결합함수에 대하여 편미분을 적용하여 정보반영 가속도를 산출하는 단계;
상기 정보반영 가속도를 만족하는 왜정규분포 확률밀도 함수를 산출하여 가속왜정규분포를 산출하는 단계; 및
상기 가속왜정규분포를 이용하여 주가운동 모델링을 수행하여 상기 대상 주식의 미래 시점에 대한 추정 주가범위를 산출하는 단계;
를 포함하고,
상기 정보반영 가속도를 산출하는 단계는
수학식
을 이용하여 상기 결합함수 를 생성하는 단계; 및
수학식
을 이용하여 상기 정보반영 가속도 를 정의하고, 상기 결합함수 의 기울기 변화율이 최대인 점을 상기 정보반영 가속도 로서 선정하는 단계;
를 포함하고,
여기에서, 는 상기 전망확률, 는 상기 정보 패널티 및 는 상기 정보 반영도인 미래 주식가격범위 결정 방법.
- 제11항에 있어서, 상기 대상 주식에 대한 전망확률을 산출하는 단계는,
상기 대상 주식에 대하여 미칠 영향이 없는 경우 상기 전망확률을 0.5의 값으로 설정하는 단계;
상기 대상 주식에 대하여 긍정적으로 영향을 미칠 경우, 긍정적 영향도에 따라 상기 전망확률을 0.5 초과 1 이하의 값으로 설정하는 단계; 및
상기 대상 주식에 대하여 부정적으로 영향을 미칠 경우, 부정적 영향도에 따라 상기 전망확률을 0 초과 0.5 미만의 값으로 설정하는 단계;
를 포함하는 미래 주식가격범위 결정 방법.
- 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200004212A KR102142928B1 (ko) | 2020-01-13 | 2020-01-13 | 미래 주식가격범위 결정 방법 및 그를 이용한 주가 예측 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200004212A KR102142928B1 (ko) | 2020-01-13 | 2020-01-13 | 미래 주식가격범위 결정 방법 및 그를 이용한 주가 예측 시스템 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102142928B1 true KR102142928B1 (ko) | 2020-08-10 |
Family
ID=72049416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200004212A KR102142928B1 (ko) | 2020-01-13 | 2020-01-13 | 미래 주식가격범위 결정 방법 및 그를 이용한 주가 예측 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102142928B1 (ko) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004334480A (ja) * | 2003-05-07 | 2004-11-25 | Keio Gijuku | 株価変動数値解析装置 |
KR101531970B1 (ko) | 2013-12-26 | 2015-06-26 | 주식회사 코스콤 | 소셜 미디어 데이터 및 증시 관련 웹데이터 분석을 통한 주가 예측 방법 및 이를 적용한 주가 예측 시스템 |
KR20190116590A (ko) * | 2018-03-19 | 2019-10-15 | 동국대학교 산학협력단 | 뉴스를 분석하여 기업의 주가를 예측하는 장치 및 이의 동작 방법 |
-
2020
- 2020-01-13 KR KR1020200004212A patent/KR102142928B1/ko active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004334480A (ja) * | 2003-05-07 | 2004-11-25 | Keio Gijuku | 株価変動数値解析装置 |
KR101531970B1 (ko) | 2013-12-26 | 2015-06-26 | 주식회사 코스콤 | 소셜 미디어 데이터 및 증시 관련 웹데이터 분석을 통한 주가 예측 방법 및 이를 적용한 주가 예측 시스템 |
KR20190116590A (ko) * | 2018-03-19 | 2019-10-15 | 동국대학교 산학협력단 | 뉴스를 분석하여 기업의 주가를 예측하는 장치 및 이의 동작 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2016259200B2 (en) | Gating decision system and methods for determining whether to allow material implications to result from online activities | |
US7818208B1 (en) | Accurately estimating advertisement performance | |
Panas | Long memory and chaotic models of prices on the London Metal Exchange | |
JP2018538587A (ja) | リスク評価方法およびシステム | |
US20170116530A1 (en) | Generating prediction models in accordance with any specific data sets | |
CN101493913A (zh) | 一种评估网上用户信用的方法及系统 | |
JP2009522668A (ja) | 広告品質の予測 | |
CN107908616B (zh) | 预测趋势词的方法和装置 | |
WO2014107441A2 (en) | Social media impact assessment | |
JP6727356B2 (ja) | 特許評価システム | |
WO2013179340A1 (ja) | 情報分析システム及び情報分析方法 | |
CN113221104A (zh) | 用户异常行为的检测方法及用户行为重构模型的训练方法 | |
KR101132450B1 (ko) | 실시간 급상승 키워드 추출 방법 및 실시간 급상승 키워드추출 시스템 | |
KR102142928B1 (ko) | 미래 주식가격범위 결정 방법 및 그를 이용한 주가 예측 시스템 | |
CN105405051A (zh) | 金融事件预测方法和装置 | |
Arbogast et al. | Object‐oriented processing of CRM precipitation forecasts by stochastic filtering | |
CN108460630B (zh) | 基于用户数据进行分类分析的方法和装置 | |
KR102378436B1 (ko) | 평가 점수 기반 가중치설정 및 인센티브산출 시스템 | |
US20060111993A1 (en) | System, method for deploying computing infrastructure, and method for identifying an impact of a business action on a financial performance of a company | |
CN113269259B (zh) | 一种目标信息的预测方法及装置 | |
Bamrungsap | The impact of futures market on spot price volatility, and market efficiency: evidence from Thai stock index futures | |
Kourentzesa et al. | Increasing knowledge base for nowcasting GDP by quantifying the sentiment about the state of economy | |
KR100837334B1 (ko) | 검색로그의 악용을 방지하는 방법 및 그 장치 | |
JP2017509047A (ja) | 特許資産を用いるテクノロジーセクター規模の報告 | |
QUAN et al. | ASYMMETRIC VOLATILITY AND RISK ANALYSIS OF BITCOIN CRYPTOCURRENCY MARKET |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |